本技術(shù)涉及自動(dòng)駕駛，特別是涉及一種多傳感器的融合更新方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、現(xiàn)如今智能化已成為汽車產(chǎn)業(yè)的一個(gè)重要發(fā)展趨勢(shì)，越來(lái)越多的智能輔助駕駛功能正在逐漸改變?nèi)藗兊某鲂畜w驗(yàn)。隨著智能化程度的不斷提升，智能駕駛正朝著無(wú)人駕駛的方向快速發(fā)展，此時(shí)，便需要用到自動(dòng)駕駛技術(shù)，該技術(shù)旨在實(shí)現(xiàn)無(wú)人駕駛汽車安全高效地在真實(shí)世界環(huán)境中行駛的目標(biāo)。為了達(dá)到這個(gè)目標(biāo)，自動(dòng)駕駛車輛必須能夠感知其周圍環(huán)境，做出決策并據(jù)此執(zhí)行控制，即自動(dòng)駕駛車輛的環(huán)境感知系統(tǒng)需要為自動(dòng)駕駛汽車提供準(zhǔn)確、可靠的目標(biāo)類別和位置信息，為自動(dòng)駕駛路徑規(guī)劃及車輛控制提供可靠的決策信息，而這一切都依賴于精確而可靠的傳感器數(shù)據(jù)。

2、當(dāng)前，自動(dòng)駕駛車輛使用的傳感器類型一般有攝像頭、雷達(dá)、激光雷達(dá)、超聲波傳感器以及慣性測(cè)量單元等，這里，攝像頭可以提供高分辨率的視覺(jué)信息，有助于識(shí)別物體、交通標(biāo)志和道路標(biāo)線；雷達(dá)可以通過(guò)發(fā)射和接收無(wú)線電波來(lái)測(cè)量物體的距離和速度，其性能不受天氣影響；激光雷達(dá)可以發(fā)射激光并測(cè)量反射回來(lái)的光的時(shí)間，從而精確地建立物體的三維形狀和位置；超聲波傳感器可以用于近距離檢測(cè)，適用于泊車輔助；慣性測(cè)量單元能夠提供車輛的加速度和旋轉(zhuǎn)速率信息，有助于了解車輛的動(dòng)態(tài)行為。

3、然而，不同源傳感器都有其自身局限性，例如，攝像頭在低光照或直射光照條件下性能會(huì)下降；雷達(dá)分辨率較低，難以識(shí)別小物體或復(fù)雜形狀的物體；激光雷達(dá)成本高，且在惡劣天氣如霧或雨中的性能會(huì)減弱；超聲波傳感器的探測(cè)范圍有限；慣性測(cè)量單元難以單獨(dú)用于精確定位。因此，采用單一的傳感器數(shù)據(jù)對(duì)周圍環(huán)境進(jìn)行感知時(shí)，存在一定的弊端，無(wú)法精確定位到障礙物的位置。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本技術(shù)提供了一種多傳感器融合更新方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，通過(guò)將多個(gè)不同源的檢測(cè)裝置對(duì)目標(biāo)障礙物的檢測(cè)數(shù)據(jù)進(jìn)行融合計(jì)算，且基于對(duì)應(yīng)的運(yùn)動(dòng)模型對(duì)融合數(shù)據(jù)進(jìn)行預(yù)測(cè)更新，以使得自動(dòng)駕駛系統(tǒng)能夠精確定位到目標(biāo)障礙物的位置，達(dá)到提高其對(duì)周圍環(huán)境的感知能力的效果。

2、第一方面，提供一種多傳感器的融合更新方法，該方法包括：

3、獲取單源航跡數(shù)據(jù)，單源航跡數(shù)據(jù)通過(guò)多個(gè)不同源的檢測(cè)裝置對(duì)目標(biāo)障礙物進(jìn)行檢測(cè)得到，且單源航跡數(shù)據(jù)包括多類單源航跡信息；

4、將多類單源航跡信息按照時(shí)間戳排序，依次將相鄰兩幀中的前一幀的單源航跡信息轉(zhuǎn)化為全局航跡信息，且與后一幀的單元航跡信息進(jìn)行融合計(jì)算，得到多類代價(jià)矩陣；

5、根據(jù)預(yù)設(shè)匹配模型對(duì)各類代價(jià)矩陣進(jìn)行篩選匹配，得到各類代價(jià)矩陣的單源航跡信息和全局航跡信息的最優(yōu)匹配結(jié)果；

6、獲取各類代價(jià)矩陣的最優(yōu)匹配結(jié)果中的全局航跡信息的類別屬性，根據(jù)類別屬性確定預(yù)測(cè)運(yùn)動(dòng)模型；

7、根據(jù)預(yù)測(cè)運(yùn)動(dòng)模型，對(duì)各類代價(jià)矩陣的最優(yōu)匹配結(jié)果中的全局航跡信息進(jìn)行預(yù)測(cè)更新，得到對(duì)應(yīng)最優(yōu)預(yù)測(cè)更新結(jié)果。

8、根據(jù)本技術(shù)實(shí)施例中一種可實(shí)現(xiàn)的方式，多類單源航跡信息包括鳥瞰類單源航跡信息、光測(cè)類單源航跡信息以及雷達(dá)類單源航跡信息，且每類單源航跡信息均有多個(gè)；依次將相鄰兩幀中的前一幀的單源航跡信息轉(zhuǎn)化為全局航跡信息，且與后一幀的單元航跡信息進(jìn)行融合計(jì)算，得到多類代價(jià)矩陣，包括：

9、若單源航跡信息為鳥瞰類單源航跡信息或者光測(cè)類單源航跡信息，則依次計(jì)算相鄰兩幀中的單源航跡信息與全局航跡信息的面積，得到單源面積數(shù)據(jù)和全局面積數(shù)據(jù)；

10、根據(jù)單源面積數(shù)據(jù)和全局面積數(shù)據(jù)，得到交集面積數(shù)據(jù)；

11、根據(jù)單源面積數(shù)據(jù)、全局面積數(shù)據(jù)以及交集面積數(shù)據(jù)，得到交并比面積數(shù)據(jù)；

12、獲取單源航跡信息與全局航跡信息的中心距離數(shù)據(jù)；

13、根據(jù)交并比面積數(shù)據(jù)和中心距離數(shù)據(jù)，得到對(duì)應(yīng)類代價(jià)矩陣。

14、根據(jù)本技術(shù)實(shí)施例中一種可實(shí)現(xiàn)的方式，獲取單源航跡信息與全局航跡信息的中心距離數(shù)據(jù)，包括：

15、依次計(jì)算相鄰兩幀中的單源航跡信息與全局航跡信息的坐標(biāo)距離值，得到坐標(biāo)距離數(shù)據(jù)；

16、依次獲取相鄰兩幀中的單源航跡信息與全局航跡信息之間的對(duì)角線距離值，得到對(duì)角線距離數(shù)據(jù)；

17、根據(jù)坐標(biāo)距離數(shù)據(jù)和對(duì)應(yīng)對(duì)角線距離數(shù)據(jù)，得到中心距離數(shù)據(jù)。

18、根據(jù)本技術(shù)實(shí)施例中一種可實(shí)現(xiàn)的方式，該方法還包括：

19、若單源航跡信息為雷達(dá)類單源航跡信息，則依次計(jì)算相鄰兩幀中的單源航跡信息與全局航跡信息的坐標(biāo)點(diǎn)代價(jià)，得到對(duì)應(yīng)類代價(jià)矩陣。

20、根據(jù)本技術(shù)實(shí)施例中一種可實(shí)現(xiàn)的方式，全局航跡信息的類別屬性包括車輛類目標(biāo)屬性、行人屬性以及非機(jī)動(dòng)車類目標(biāo)屬性，根據(jù)類別屬性確定預(yù)測(cè)運(yùn)動(dòng)模型，包括：

21、若全局航跡信息的類別屬性為車輛類目標(biāo)屬性，則確定第一預(yù)測(cè)運(yùn)動(dòng)模型；

22、若全局航跡信息的類別屬性為行人屬性或者非機(jī)動(dòng)車類目標(biāo)屬性，則確定第二預(yù)測(cè)運(yùn)動(dòng)模型。

23、根據(jù)本技術(shù)實(shí)施例中一種可實(shí)現(xiàn)的方式，根據(jù)預(yù)測(cè)運(yùn)動(dòng)模型，對(duì)最優(yōu)匹配結(jié)果中的全局航跡信息進(jìn)行預(yù)測(cè)更新，得到對(duì)應(yīng)最優(yōu)預(yù)測(cè)更新結(jié)果，包括:

24、若預(yù)測(cè)運(yùn)動(dòng)模型為第一預(yù)測(cè)運(yùn)動(dòng)模型，則根據(jù)最優(yōu)匹配結(jié)果中的全局航跡信息和第一預(yù)設(shè)目標(biāo)均方誤差矩陣，得到第一運(yùn)動(dòng)方程；

25、獲取第一量測(cè)信息，根據(jù)第一量測(cè)信息、第一預(yù)設(shè)量測(cè)噪聲協(xié)方差矩陣以及第一預(yù)設(shè)量測(cè)矩陣，得到第一測(cè)量方程；

26、獲取第一預(yù)測(cè)狀態(tài)矩陣，根據(jù)第一預(yù)測(cè)狀態(tài)矩陣、第一預(yù)設(shè)量測(cè)矩陣以及第一預(yù)設(shè)量測(cè)噪聲協(xié)方差矩陣，得到第一卡爾曼增益；

27、根據(jù)第一卡爾曼增益、第一運(yùn)動(dòng)方程、第一量測(cè)方程以及第一預(yù)設(shè)量測(cè)矩陣，得到對(duì)應(yīng)全局航跡信息的最優(yōu)預(yù)測(cè)更新結(jié)果。

28、根據(jù)本技術(shù)實(shí)施例中一種可實(shí)現(xiàn)的方式，根據(jù)預(yù)測(cè)運(yùn)動(dòng)模型，對(duì)最優(yōu)匹配結(jié)果中的全局航跡信息進(jìn)行預(yù)測(cè)更新，得到對(duì)應(yīng)最優(yōu)預(yù)測(cè)更新結(jié)果，還包括:

29、若預(yù)測(cè)運(yùn)動(dòng)模型為第二預(yù)測(cè)運(yùn)動(dòng)模型，則根據(jù)最優(yōu)匹配結(jié)果中的全局航跡信息、第二預(yù)設(shè)目標(biāo)均方誤差矩陣以及預(yù)設(shè)狀態(tài)轉(zhuǎn)移矩陣，得到第二運(yùn)動(dòng)方程；

30、獲取第二量測(cè)信息，根據(jù)第二量測(cè)信息、第二預(yù)設(shè)量測(cè)噪聲協(xié)方差矩陣以及第二預(yù)設(shè)量測(cè)矩陣，得到第二測(cè)量方程；

31、獲取第二預(yù)測(cè)狀態(tài)矩陣，根據(jù)第二預(yù)測(cè)狀態(tài)矩陣、第二預(yù)設(shè)量測(cè)矩陣以及第二預(yù)設(shè)量測(cè)噪聲協(xié)方差矩陣，得到第二卡爾曼增益；

32、根據(jù)第二卡爾曼增益、第二運(yùn)動(dòng)方程、第二量測(cè)方程以及第二預(yù)設(shè)量測(cè)矩陣，得到對(duì)應(yīng)全局航跡信息的最優(yōu)預(yù)測(cè)更新結(jié)果。

33、第二方面，提供了一種多傳感器的融合更新裝置，該裝置包括：

34、獲取模塊，用于獲取單源航跡數(shù)據(jù)，單源航跡數(shù)據(jù)通過(guò)多個(gè)不同源的檢測(cè)裝置對(duì)目標(biāo)障礙物進(jìn)行檢測(cè)得到，且單源航跡數(shù)據(jù)包括多類單源航跡信息；

35、融合模塊，用于將多類單源航跡信息按照時(shí)間戳排序，依次將相鄰兩幀中的前一幀的單源航跡信息轉(zhuǎn)化為全局航跡信息，且與后一幀的單元航跡信息進(jìn)行融合計(jì)算，得到多類代價(jià)矩陣；

36、匹配模塊，用于根據(jù)預(yù)設(shè)匹配模型對(duì)各類代價(jià)矩陣進(jìn)行篩選匹配，得到各類代價(jià)矩陣的單源航跡信息和全局航跡信息的最優(yōu)匹配結(jié)果；

37、選擇模塊，用于獲取各類代價(jià)矩陣的最優(yōu)匹配結(jié)果中的全局航跡信息的類別屬性，根據(jù)類別屬性確定預(yù)測(cè)運(yùn)動(dòng)模型；

38、更新模塊，用于根據(jù)預(yù)測(cè)運(yùn)動(dòng)模型，對(duì)各類代價(jià)矩陣的最優(yōu)匹配結(jié)果中的全局航跡信息進(jìn)行預(yù)測(cè)更新，得到對(duì)應(yīng)最優(yōu)預(yù)測(cè)更新結(jié)果。

39、第三方面，提供了一種計(jì)算機(jī)設(shè)備，包括：

40、至少一個(gè)處理器；以及

41、與至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

42、存儲(chǔ)器存儲(chǔ)有可被至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)指令，計(jì)算機(jī)指令被至少一個(gè)處理器執(zhí)行，以使至少一個(gè)處理器能夠執(zhí)行上述恒轉(zhuǎn)加速方面中涉及的方法。

43、第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)指令，其特征在于，計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行上述恒轉(zhuǎn)加速方面中涉及的方法。

44、根據(jù)本技術(shù)實(shí)施例所提供的技術(shù)內(nèi)容，通過(guò)獲取單源航跡數(shù)據(jù)，單源航跡數(shù)據(jù)通過(guò)多個(gè)不同源的檢測(cè)裝置對(duì)目標(biāo)障礙物進(jìn)行檢測(cè)得到，且單源航跡數(shù)據(jù)包括多類單源航跡信息；將多類單源航跡信息按照時(shí)間戳排序，依次將相鄰兩幀中的前一幀的單源航跡信息轉(zhuǎn)化為全局航跡信息，且與后一幀的單元航跡信息進(jìn)行融合計(jì)算，得到多類代價(jià)矩陣；根據(jù)預(yù)設(shè)匹配模型對(duì)各類代價(jià)矩陣進(jìn)行篩選匹配，得到各類代價(jià)矩陣的單源航跡信息和全局航跡信息的最優(yōu)匹配結(jié)果；獲取各類代價(jià)矩陣的最優(yōu)匹配結(jié)果中的全局航跡信息的類別屬性，根據(jù)類別屬性確定預(yù)測(cè)運(yùn)動(dòng)模型；根據(jù)預(yù)測(cè)運(yùn)動(dòng)模型，對(duì)各類代價(jià)矩陣的最優(yōu)匹配結(jié)果中的全局航跡信息進(jìn)行預(yù)測(cè)更新，得到對(duì)應(yīng)最優(yōu)預(yù)測(cè)更新結(jié)果。上述操作，通過(guò)將多個(gè)不同源的檢測(cè)裝置對(duì)目標(biāo)障礙物的檢測(cè)數(shù)據(jù)進(jìn)行融合計(jì)算，且基于對(duì)應(yīng)的運(yùn)動(dòng)模型對(duì)融合數(shù)據(jù)進(jìn)行預(yù)測(cè)更新，以使得自動(dòng)駕駛系統(tǒng)能夠精確定位到目標(biāo)障礙物的位置，達(dá)到提高其對(duì)周圍環(huán)境的感知能力的效果。